[Projeto] Projeto

Filipe Santana · 2026-05-29 19:02

Olá! Segue uma possível resolução do desafio utilizando Pandas. Primeiro, importamos a biblioteca e lemos o arquivo CSV: ```python import pandas as pd dados = pd.read_csv('alu

[Projeto] Projeto

import pandas as pd dados = pd.read_csv('alunos.csv') dados['Pontos_extras'] = dados['Notas'] * 0.4 dados['Notas_finais'] = dados['Notas'] + dados['Pontos_extras'] dados['Aprovado_final'] = dados['Notas_finais'].apply(lambda x: True if x >= 6 else False) dados.query('Aprovado == False & Aprovado_final == True')

Olá, Filipe. Como vai?

Muito bacana a sua iniciativa de compartilhar a resolução detalhada do seu desafio aqui no fórum! O seu código está excelente, muito bem estruturado e fácil de entender. A forma como você construiu o raciocínio passo a passo antes de apresentar o script final é uma ótima prática de documentação. Também é muito legal ver que você explorou diferentes maneiras de fazer a mesma coisa, como o uso do método query versus a criação de máscaras booleanas.

Para agregar ainda mais valor ao seu aprendizado e trazer algumas práticas comuns do dia a dia com Pandas, deixo aqui duas sugestões de otimização para o seu projeto:

**Vetorização nativa em vez de apply**: No Pandas, operações "vetorizadas" (que atuam na coluna inteira de uma vez) são muito mais rápidas do que o uso do apply com funções lambda. Você usou a vetorização perfeitamente ao fazer dados['Notas'] * 0.4. Essa mesma lógica pode ser aplicada na hora de criar a coluna de aprovação. O Pandas avalia condições lógicas nativamente e já retorna True ou False, permitindo simplificar o código:

# O Pandas já entende que deve retornar True se a condição for atendida e False caso não seja
dados['Aprovado_final'] = dados['Notas_finais'] >= 6

Operador de negação (~) e booleanos diretos: Na sua seleção com máscaras, você utilizou (dados['Aprovado'] == False) & (dados['Aprovado_final'] == True). Como essas colunas já guardam valores booleanos, você não precisa compará-las explicitamente com True ou False. Você pode usar apenas o nome da coluna para os verdadeiros, e o operador ~ (til, que significa "não" no Pandas) para os falsos. Veja como a sintaxe fica concisa:

# O til (~) inverte o resultado, selecionando os falsos da primeira coluna
selecao = (~dados['Aprovado']) & (dados['Aprovado_final'])
dados[selecao]

Essas dicas ajudam a deixar o seu código ainda mais limpo e "idiomático" (escrito da forma como a biblioteca foi otimizada para funcionar), o que faz bastante diferença quando trabalhamos com bases de dados que possuem milhões de linhas.

A sua solução original já resolve o desafio perfeitamente. Continue com essa excelente dedicação aos estudos!

Espero que possa ter lhe ajudado!

Trilhas por carreira

Carreiras de IA

Carreiras de Dados

Carreiras de Cyber

Carreiras de DevOps & Cloud

Carreiras de UX & UI

Carreiras de Mobile & Front-End

Carreiras de Back-End

Carreiras de Negócios

Cursos universitários FIAP

Tópicos relacionados

Conteúdos Alura com o tema